基于小波变换和奇异值分解的图像水印算法研究

利用小波变换频谱特性和图像奇异值分解特征,提出了一种结合人眼对比感知特性的图像水印算法。并通过结合人眼视觉特性,将置乱的水印以一定的强度嵌入到图像的奇异值矩阵中,采用其逆过程提取水印,通过仿真进行了验证。对其实施了压缩、剪切、高斯噪声和中值滤波攻击测试,与前人提出的8种水印算法的抗攻击性能进行对比分析。结果表明,在质量因子为20%的较强压缩攻击下,提取水印的NC值仍能达到0.8359,含水印图的PSNR和SSIM达到25.0908dB和0.8451,且比8种水印算法具有更好的鲁棒性。综合表明,提出的算法有效地解决了水印嵌入过程中鲁棒性、视觉透明性与水印嵌入量之间的平衡问题。     

基于小波分解的医学显微图像融合

提出了基于小波分解的医学显微图像融合。通过先将图像进行小波分解,并对小波分解后的不同频率域分别进行了讨论,即分别讨论了选择高频系数和低频系数的原则。选择低频系数时,设计了两种选择方案,即区域能量法和边缘选择法。选择高频系数时,设计了两种选择方案,即区域能量法和目标清晰与模糊判据法。最后选择了在低频系数时采用边缘选择法,在高频系数时采用目标清晰与模糊判据法。从仿真结果的比较来看,在将多个目标聚焦图像融合后,图像能很好地保留多幅原来图像清晰部分的信息,融合后,提高了整幅图像的信噪比,从而获得了整幅高清晰图像。     

基于匹配度和多小波变换的图像融合

介绍了多小波变换的理论基础。多小波变换具有正交性、光滑性、对称性、有限支撑域等性质,因而非常适合用于图像处理。给出了多小波域的图像匹配度的定义,提出了一种基于匹配度和多小波变换的图像融合算法。该算法可以实现不同传感器图像的有效、可靠的融合。使用该算法对可见光图像和红外图像进行了融合实验,并对融合结果进行了评价和分析。     

基于小波框架的红外/可见光图像融合

针对小波框架所具有的冗余性和平移不变性在图像处理中能较好保留图像细节特征的特点,提出了一种将l2上的离散小波框架和交叉子带像素融合方案(Cross band pixel selection)结合起来的融合算法,并用于红外和可见光图像的融合。仿真试验表明该算法较好地保留了源图像的细节信息,是一种行之有效的融合算法。     

基于小波分解和进化策略的图像融合方法

提出了一种基于小波分解和进化策略相结合的多聚焦图像融合方法。该方法首先对不同聚焦点图像进行无下采小波分解，并分别将其各方向、各尺度的高频信息进行叠加，然后依据它们在高频信息叠加层上对应的局部区域能量的差异，采用进化策略进行区域划分，进而实现分区域融合。实验结果表明所提出的方法比小波变换法具有更好的融合效果。     

小波包变换与遥感图像融合

探讨了遥感多光谱与全色波段图像的融合问题.分析了多光谱与全色波段成像机理,提出了一种基于小波包变换的遥感图像融合方法,实验结果表明,该方法可有效综合多光谱与全色波段图像的优点,从而获得具有较高空间分辨率的多谱图像.     

基于Retinex理论JPEG2000压缩图像增强方法

在增强压缩图像过程中,采用传统图像增强方法存在细节恢复困难,易产生块状效应等局限性,针对此问题,本文将Retinex理论引入JPEG2000压缩框架中,提出一种新的JPEG2000压缩图像增强方法.它将小波变换后的低频系数看作入射光分量,高频系数看作反射光分量,通过对低频系数进行两次非线性映射,来调整场景光照的动态范围;通过调整高频系数,提高对比度,实现图像细节的整体拉升;通过判断各子块的活动性,自适应来修改亮度量化表,达到可以保留更多的细节,抑制块状效应的目的.实验结果表明,该算法在增强效果、压缩质量等方面都有着较好的优势.     

基于离散小波变换的离散正交S变换域图像加密算法

目前基于混沌系统的彩色图像加密算法并未充分地考虑图像时频域特征,并且具有密钥空间小的缺点,对此提出了一种基于离散正交S变换域的彩色图像编解码技术。将图像分解为RGB三色通道,对每个通道分别进行离散正交S变换(DOST);对各通道使用一级离散小波变换(DWT),将每个通道分解为四个子带;使用DWT分解各子带;对奇异值进行乘法运算,使用新奇异值重构所有的子带。可将DOST的子带数量、奇异值参数以及DWT子带的排列顺序作为密钥,从密钥获取难度极高。实验结果表明,方法具有较好的加密效果,安全性优于其他的算法。     

基于Gabor小波纹理特征的目标识别新方法

给出了一种基于Gabor小波纹理特征的目标识别新方法．主要是利用Gabor小波设计了一种多通道小波滤波器。对图像目标直接进行小波变换，用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的图像目标的特征，把获得的小波特征归一化后输入到改进的BP神经网络分类器进行分类识别．最后。进行了一系列的仿真实验，结果表明，这种特征提取方法能有效提取图像目标纹理特征，并且对噪音和形状的变化具有鲁棒性．在应用于目标识别时，神经网络的训练时间减少到lOmin，识别率达到94％．     

基于峰值信噪比和小波方向特性的图像奇异值去噪技术

提出一种利用小波变换子图像不同的方向特性和峰值信噪比进行奇异值分解的图像去噪算法。由于图像经过小波变换后,低频子图像集中了原图像的大部分能量噪声,故仅作简单维纳滤波;而噪声则主要集中在小波域中的三个不同方向的高频子图中,且系数较小,因此可以利用奇异值分解进行去噪处理,即用较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波;最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像,其中重构所需的奇异值个数由图像的峰值信噪比确定。 实验结果表明,该方法在有效去噪的同时较好的保留了原有的高频细节信息。     

多尺度奇异值分解的偏振图像融合去雾算法与实验

针对现有偏振去雾算法鲁棒性不强和图像增强效果有限的问题,提出一种基于多尺度奇异值分解的图像融合去雾算法.首先,利用偏振测量信息的冗余特性,采用最小二乘法,提高了传统偏振图像去雾算法中偏振信息的准确度;然后,从传统偏振图像去雾算法的局限性出发,定性分析了偏振图像融合去雾的可行性,并提出了一种基于多尺度奇异值分解的偏振图像...     

一种基于单尺度Retinex的雾天降质图像增强新算法

雾图增强是智能管理系统的一个组成部分,在交通管理系统、公路收费站、轮船、飞机场等场合有着广泛的应用场景。比较了对数函数、双曲正切函数、反双曲正切函数对雾天降质图像亮度分量的调节能力,证明双曲正切函数具有比对数函数更宽的亮度调节能力。在此基础上提出一种基于单尺度Retinex的雾天图像增强方法。该算法首先把图像从RGB彩色空间转换到HSV空间,保持色调分量不变,采用中心可自适应调节的双曲正切函数增强图像的全局亮度,局部细节非线性变换处理进一步提高图像的局部对比度,运用线性拉伸对饱和度进行调整,实现颜色补偿。实验结果表明该方法去雾效果显著,且颜色自然。实验还结合方差、熵和算法运算时间等参数,对该算法与多尺度Retinex算法作比较,验证了该算法在图像对比度、细节增强方面的优越性,且算法速度快,具有应用于实时图像处理的能力。     

奇异值非线性修正的低对比度红外图像实时增强

由于场景中目标与背景的温差相对较小,红外图像会存在对比度低、视觉效果差的问题,针对这一问题,提出一种基于奇异值非线性修正的红外图像对比度实时增强方法。该方法首先对红外图像进行奇异值分解得到其原始奇异值,然后采用一个对数型非线性变换对图像奇异值进行优化,最后根据修正的奇异值重构出对比度增强的红外图像。利用对数型非线性变换修正图像奇异值不仅能够有效拉伸奇异值的动态范围,同时可优化奇异值的变化梯度,使图像的能量信息得到更充分地表达,改善红外图像不良的视觉效果。实验结果表明,该方法较几种对比方法在视觉效果和客观评价方面均具有更优的增强性能;同时体现出良好的实时性,为实现红外图像的实时增强提供了新途径。     

奇异值非线性修正的低对比度红外图像实时增强

由于场景中目标与背景的温差相对较小,红外图像会存在对比度低、视觉效果差的问题,针对这一问题,提出一种基于奇异值非线性修正的红外图像对比度实时增强方法。该方法首先对红外图像进行奇异值分解得到其原始奇异值,然后采用一个对数型非线性变换对图像奇异值进行优化,最后根据修正的奇异值重构出对比度增强的红外图像。利用对数型非线性变换修正图像奇异值不仅能够有效拉伸奇异值的动态范围,同时可优化奇异值的变化梯度,使图像的能量信息得到更充分地表达,改善红外图像不良的视觉效果。实验结果表明,该方法较几种对比方法在视觉效果和客观评价方面均具有更优的增强性能;同时体现出良好的实时性,为实现红外图像的实时增强提供了新途径。     

修正Retinex照射反射模型的彩色图像增强

介绍了修正Retinex照射反射模型的彩色图像增强方法,引入了非线性变换函数修正彩色图像的照射分量和反射分量。由于全局对比度增强函数能够拉伸图像的照射分量,所以改善了全局视觉效果。非线性S型函数对较大和较小的反射分量值改变较小,对中间值改变较大,从而改善了图像的局部对比度。在RGB彩色空间和其他色度亮度彩色空间中的处理结果都没有出现彩色失真的现象。     

Features of underwater echo extraction based on the stationary wavelet transform and singular value decomposition

A feature extraction method of underwater echo is proposed, which uses the redundancy property of SWT (the Stationary Wavelet Transform) and the steady property of SVD (Singular Value Decomposition). Since using singular values of SWT coefficients matrix as feature vectors, with the K-L transform to multi-subspace signal obtained from SWT, it is a feature compression method essentially. In contrast to the method of sub-bands energy feature based on discrete orthogonal wavelet transform (DWT), better results of lake trial data are acquired with this method: (1) Under the same sample and distance within-class, distance between-class is larger than former; (2) Correct recognition rates are also higher than former, whether the training and testing samples are chosen from the same lake trail or not; (3) Sample sets varying, the variation range of correct recognition rates is far less than the former. Thus this method can obtain more robust, effective features and better correct recognition results.     

基于SVD的苹果粉质化高光谱散射图像特征提取

粉质化是影响苹果等级的重要口感参数.采用高光谱散射图像进行了苹果粉质化的无损检测研究.利用奇异值分解方法对样本600～1 000 nm 共81个波长20 mm范围内的敝射图像进行奇异值分解,将获得的奇异值作为粉质化表征参数,结介偏微分最小二乘判别分析建立苹果粉质化分类模型.结果缸示,对不同产地和不同储藏条件下的样本,其两分类模型(粉质化和非粉质化)的分类精度为76.1%～80.6%,优于平均值特征提取方法(75.3%～76.5%).分析表明,奇异值分解可以有效地提取高光谱敞射图像的特征,用此特征建立粉质化分类模型可以区分粉质化和非粉质化的苹果,但分类精度有待于进一步提高.     

Covariance NMR spectroscopy by singular value decomposition

Covariance NMR is demonstrated for homonuclear 2D NMR data collected using the hypercomplex and TPPI methods. Absorption mode 2D spectra are obtained by application of the square-root operation to the covariance matrices. The resulting spectra closely resemble the 2D Fourier transformation spectra, except that they are fully symmetric with the spectral resolution along both dimensions determined by the favorable resolution achievable along omega2. An efficient method is introduced for the calculation of the square root of the covariance spectrum by applying a singular value decomposition (SVD) directly to the mixed time-frequency domain data matrix. Applications are shown for 2D NOESY and 2QF-COSY data sets and computational benchmarks are given for data matrix dimensions typically encountered in practice. The SVD implementation makes covariance NMR amenable to routine applications.